Python 如何创建具有基于groupby的值的数据帧向量

鉴于以下数据：

x1='one'
x2=‘二’
x3=‘三’
y1=‘是’
y2=‘否’
n=3
df=pd.数据帧（dict(
a=[x1]*n+[x2]*n+[x3]*n，
b=[
y1，
y1，
y2，
y2，
y2，
y2，
y2，
y2，
y1，
]
))

看起来是：

Out[5]:
       a    b
0    one  yes
1    one  yes
2    one   no
3    two   no
4    two   no
5    two   no
6  three   no
7  three   no
8  three  yes

我想知道是否可以创建列

c

，如下所示：

Out[5]:
       a    b   c
0    one  yes   1
1    one  yes   1
2    one   no   1
3    two   no   0
4    two   no   0
5    two   no   0
6  three   no   1
7  three   no   1
8  three  yes   1

其中

c

定义为

1

如果

a

中的组

b

列包含

yes

我尝试了以下方法：

group_results = df.groupby('a').apply(lambda x:  'yes' in x.b.to_list() )
group_results = group_results.reset_index()
group_results = group_results.rename(columns = {0 : 'c'})
df = pd.merge(df, group_results, left_on = 'a', 
                  right_on = 'a', 
                  how = 'left').copy()

但我觉得似乎有更好的方法。

IIUC，您可以在条件序列上使用with after分组，检查是否

df['b']

'yes'
和chain
astype（int）
或整数repr

df['c'] = df['b'].eq('yes').groupby(df['a']).transform('any').view('i1')
print(df)


IIUC，您可以在条件序列上使用with after分组，该条件序列检查df['b']

'yes'

和chain

astype（int）

或integer repr

df['c'] = df['b'].eq('yes').groupby(df['a']).transform('any').view('i1')
print(df)

---

用于在

a

列中至少有一个

yes

的测试组，最后将掩码转换为整数：

详细信息：

print(df.loc[df['b'].eq('yes'), 'a'])
0      one
1      one
8    three
Name: a, dtype: obje

用于在

a

列中至少有一个

yes

的测试组，最后将掩码转换为整数：

详细信息：

print(df.loc[df['b'].eq('yes'), 'a'])
0      one
1      one
8    three
Name: a, dtype: obje